Michael Kratsios

Kratsios 将技术分为“生而自由”与“生而受困”两类。 类似互联网的技术需要政府克制；商业无人机和AI医疗诊断则需要先行修改规则，客户才能兑现其价值。对投资者而言，监管既是瓶颈，也是创造市场的催化剂。

华盛顿的雄心正从采用AI转向创造国家级需求。 2028年人类重返月球、2030年前建成月球基地的初始设施、2028年部署太空核反应堆、在Trump任期结束前造出具备科学实用价值的量子计算机，以及通过Genesis Mission推动AI驱动的科学研究。Kratsios表示，Genesis或许应该以科学生产力提升10倍为目标，而不是公开提出的2倍：“目标必须足够大。我们必须做到10倍。”

美国政府希望在闭源和开源模型两端都保持领先，但Kratsios承认，中国开源模型表现出色，目前价格也最低。 American AI Exports Program计划通过覆盖芯片、模型、应用和政府支持融资的一站式方案抵消这一优势，刻意确保“全世界都应该建立在美国的AI和技术栈之上”。

Kratsios强力捍卫半导体管制，称2019年针对EUV光刻的限制“可能是美国历史上影响最大的出口管制之一”。 Diamandis认为限制措施可能反过来催生海外竞争者；Kratsios的回应是，中国本就把半导体自主作为战略重点，而出口管制压制了其追赶美国前沿系统的能力。

Golden Age蓝图将科学停滞视为激励机制设计失败，而非主要归因于资金不足。 NIH预算接近450亿美元，但据称研究人员约45%的时间都花在与资助相关的行政工作上。改革方案包括5年期资助、1个月内完成申请评审、针对非传统提案的单方面“黄金门票”、专门的元科学部门、奖金，以及与产业相连的4年制博士项目。

最激进的提议，是建立一个AI原生的科学市场。 资助方发布悬赏，智能体寻找线索并雇佣自主实验室，经加密签名的结果触发智能合约付款，预测市场则引导资源配置。人类仍负责选择问题、判断最具影响力的成果，但协调和实验可以持续以“机器速度”运行。

机器人、自主实验室、数据中心和公共科学数据集，构成可投资的实体层。 Kratsios介绍了对尚未发货的非美国人形机器人的新限制、联邦政府对闭环机器人实验室的支持，以及要求数据中心建设者“自行建设、带来或购买”电力；与此同时，70年的国家实验室数据应转化为可供AI使用的格式，并继续作为公共品存在，类似NOAA天气数据。

🔗 原始收听与视频来源： 白宫如何将科学生产力提升10倍｜Michael Kratsios｜第276期

Sacks 驳斥互联网泡沫类比，因为如今的加速器产能已经在被使用：「现在不存在闲置 GPU。」 每一块被部署进数据中心的 GPU 都在生成 tokens，而近期编码工具的进步正在进一步推高需求。他说，AI 基础设施去年为 GDP 增长贡献了约 2 个百分点，并助推经济实现 4%-5% 的增速，但 Bartiromo 追问的风险仍未解决：如果借贷最终失控，银行是否会成为接盘者。

AI 基础设施竞赛已经变成电力竞赛，而政府要求数据中心通过表后发电「为自己的用电买单」。 Microsoft 已承诺其设施不会推高居民电价，Sacks 预计其他同行也会跟进。他认为，新增发电能力反而可能通过出售过剩电力、让更大的供应量摊薄固定成本来降低电价——但前提是数据中心必须作出贡献，而不是只接入电网。

一套轻量级的全国 AI 标准，旨在防止各州规则林立，最终变成在位者的护城河。 Kratsios 认为，早期公司承担了应对 50 套规则体系的最大成本，而大型平台则有能力消化这些成本。儿童安全和数据中心审批可以继续由各州负责。Sacks 提到 1,200 项州级法案，此前则称州议会正在推进超过 200 项法案；国会要进行联邦优先适用，就必须拿出实质性的替代方案——「不能用什么都没有的东西去替代现有规则」——同时还需要 60 张参议院选票。

近期最明确的变现判断，是 2026 年生产率迎来爆发，编码 agents 将成为每个知识工作者的工具。 Sacks 指向由 Anthropic 的 Claude Opus 4.5 驱动的 Claude Code，以及其 Cowork 界面：用户可以用自己的文件和邮件生成电子表格、PowerPoint 和网站。再加一层抽象和语音交互，他认为，任务型 agents 就能变成类似 Her 的个人数字助理。

Kratsios 认为，AI for science 可能比聊天机器人带来更大的生产率跃升。 Genesis Mission 计划利用国家实验室过去 50-60 年的研究成果及其他分散的科学数据，让模型选择实验、评估失败原因并更快迭代。他的目标是在 10 年内让美国研发产出「接近翻倍」，优先应用包括聚变模拟、先进材料和治疗性分子筛选。

美国在 AI 技术栈越深处领先越明显，但决定未来 5 年胜负的指标是全球市场份额，而不是基准测试排名。 Sacks 估计，美国模型领先约 6 个月，芯片领先 2 年，半导体设备可能领先约 5 年；Kratsios 则认为前沿模型领先 6-12 个月。如果美国芯片和模型驱动全球，赢家就是美国；如果 Huawei 芯片和 DeepSeek 模型做到这一点，美国就输了——「最大的生态赢」。

嘉宾认为，最大的下行风险是政治控制 AI，而不是《终结者》式的机器反叛；大规模失业则仍有争议。 Sacks 警告 AI 可能被用于「Orwell 式」监控、审查和植入政治偏见，同时表示，私营公司大概拥有打造带有偏见系统的第一修正案权利，即便联邦政府拒绝采购这些系统。他认为 Musk 关于丰裕时代的方向判断是对的，但不接受短期内全民失业或无货币经济的说法：「时间线非常重要。」

🔗 原始收听与视频来源： 美国 AI 战略内幕：基础设施、监管与全球竞争

华盛顿这份包含90项行动的AI计划，将创新、实体基础设施和全球生态覆盖视为一体化的国家安全战略。 Jacob Helberg概括了计划的3大支柱：美国必须在创新上超越竞争对手，加快数据中心、能源和国内制造建设，随后为全世界打造AI技术栈。计划锁定6至9个月内可以落地的行动，因为“靠监管赢不了AI竞赛”。

可投资的瓶颈正从模型智能转向电力、许可、机床和熟练劳动力。 Michael Kratsios希望联邦科学数据变得真正可用，而不只是开放；他同时警告，AI将进入无人机、医疗诊断等受监管产品。Jacob Helberg另行指出，超过1,000项已提出或已通过的州级措施，可能把美国推向“50套不同州级监管制度拼接而成的格局”。

Hadrian的工厂数据支撑了本期的核心劳动力判断：AI可以在合格工人已经不存在的地方，重新创造工业产能。 Chris Power称，制造生产率提升4x，劳动力生产率提升10x，来自完全没有工厂背景的新人只需30天培训；公司计划在亚利桑那州建设一座规模为洛杉矶工厂4倍、创造350多个岗位的新厂。“Hadrian的先进工厂看起来、运作方式都更像数据中心。”

Gecko Robotics重新定义了能源：它既是AI的约束，也是AI回报率最高的应用领域之一。 Jake Loosararian举例称，一座额定620兆瓦、实际仅产出580兆瓦的电厂，通过机器人检测和AI释放了1%的效率，并据此推算，美国火电机组可新增11.9吉瓦产能，“不需要动一铲土”。他的主张是：“AI不应只是消耗能源，也应该创造能源。”

Palantir的Shyam Sankar认为，AI采用最强的场景，是一线员工编写应用、机构管理层释放员工自主性的地方。 他希望员工生产率提升50倍，而不是仅提升50%；他提到工厂培训周期已从3年缩短至3个月，并介绍了一个面向机械直觉强、通常靠自学成长的工人的4周制培训项目。他的结论是绝对性的：“传统大学学位已经死了。”

Paul Buchheit关于“富足”的判断是：自然语言扩大建设者池，而资本密集度仍会让模型层保持稀缺。 美国只有2%-3%的人会写代码，其中或许只有一半能搭建创业公司；如果“英语就是新的编程语言”，创业公司、机器人公司和本地应用的数量可能增加10x或100x。Buchheit预计基础模型供应商数量仍将相对稳定，同时开源会限制闭源厂商的审查和锁定能力。

小企业正在成为AI进入实体经济的分发渠道，但最终市场可能呈现哑铃形，而不是普惠式增长。 Kelly Loeffler称，SBA今年发放的210亿美元贷款中，60%流向了拥有1至5名员工的企业；Keith Rabois预计，这些企业将获得与现有巨头同等级别的信息、产品和行政能力，随后从中型市场企业手中夺取份额，而NVIDIA等算力龙头也将受益。制约因素包括能源和材料成本、工业供应链暴露、严格的贷款承销，以及Power的警告：海外竞争仍是“企业对抗CCP”。

🔗 原始收听与视频来源： 赢下AI竞赛第一部分：Michael Kratsios、Kelly Loeffler、Shyam Sankar、Chris Power